(6)Hive 高级编程——深入浅出学Hive
2014-01-16 17:12
351 查看
[b]转自:[/b]http://sishuok.com/forum/blogPost/list/6220.html
第一部分:产生背景 产生背景 •为了满足客户个性化的需求,Hive被设计成一个很开放的系统,很多内容都支持用户定制,包括: •文件格式:Text File,Sequence File •内存中的数据格式: Java Integer/String, Hadoop IntWritable/Text •用户提供的 map/reduce 脚本:不管什么语言,利用 stdin/stdout 传输数据 •用户自定义函数 自定义函数 •虽然Hive提供了很多函数,但是有些还是难以满足我们的需求。因此Hive提供了自定义函数开发 •自定义函数包括三种UDF、UADF、UDTF •UDF(User-Defined-Function) •UDAF(User- Defined Aggregation Funcation) •UDTF(User-Defined Table-Generating Functions) 用来解决 输入一行输出多行(On-to-many maping) 的需求。 HIVE中使用定义的函数的三种方式 •在HIVE会话中add 自定义函数的jar文件,然后创建function,继而使用函数 •在进入HIVE会话之前先自动执行创建function,不用用户手工创建 •把自定义的函数写到系统函数中,使之成为HIVE的一个默认函数,这样就不需要create temporary function 第二部分:UDF UDF用法 •UDF(User-Defined-Function) •UDF函数可以直接应用于select语句,对查询结构做格式化处理后,再输出内容 •编写UDF函数的时候需要注意一下几点 •自定义UDF需要继承org.apache.hadoop.hive.ql.UDF •需要实现evaluate函数 •evaluate函数支持重载 •UDF只能实现一进一出的操作,如果需要实现多进一出,则需要实现UDAF UDF用法代码示例 import org.apache.Hadoop.hive.ql.exec.UDF public class Helloword extends UDF{ public String evaluate(){ return "hello world!"; } public String evaluate(String str){ return "hello world: " + str; } } 开发步骤 •开发代码 •把程序打包放到目标机器上去 •进入hive客户端 •添加jar包:hive>add jar /run/jar/udf_test.jar; •创建临时函数:hive>CREATE TEMPORARY FUNCTION my_add AS 'com.hive.udf.Add ‘ •查询HQL语句: •SELECT my_add (8, 9) FROM scores; •SELECT my_add (scores.math, scores.art) FROM scores; •销毁临时函数:hive> DROP TEMPORARY FUNCTION my_add ; •细节 •在使用UDF的时候,会自动进行类型转换,例如: SELECT my_add (8,9.1) FROM scores; •结果是17.1,UDF将类型为Int的参数转化成double。类型的饮食转换是通过UDFResolver来进行控制的 第三部分:UDAF UDAF •Hive查询数据时,有些聚类函数在HQL没有自带,需要用户自定义实现 •用户自定义聚合函数: Sum, Average…… n – 1 •UDAF(User- Defined Aggregation Funcation) 用法 •一下两个包是必须的import org.apache.hadoop.hive.ql.exec.UDAF和 org.apache.hadoop.hive.ql.exec.UDAFEvaluator 开发步骤 •函数类需要继承UDAF类,内部类Evaluator实UDAFEvaluator接口 •Evaluator需要实现 init、iterate、terminatePartial、merge、terminate这几个函数 a)init函数实现接口UDAFEvaluator的init函数。 b)iterate接收传入的参数,并进行内部的轮转。其返回类型为boolean。 c)terminatePartial无参数,其为iterate函数轮转结束后,返回轮转数据,terminatePartial类似于hadoop的Combiner。 d)merge接收terminatePartial的返回结果,进行数据merge操作,其返回类型为boolean。 e)terminate返回最终的聚集函数结果。 执行步骤 •执行求平均数函数的步骤 a)将java文件编译成Avg_test.jar。 b)进入hive客户端添加jar包: hive>add jar /run/jar/Avg_test.jar。 c)创建临时函数: hive>create temporary function avg_test 'hive.udaf.Avg'; d)查询语句: hive>select avg_test(scores.math) from scores; e)销毁临时函数: hive>drop temporary function avg_test; UDAF代码示例 public class MyAvg extends UDAF { public static class AvgEvaluator implements UDAFEvaluator { } public void init() {} public boolean iterate(Double o) {} public AvgState terminatePartial() {} public boolean terminatePartial(Double o) { } public Double terminate() {} } 第四部分:UDTF UDTF •UDTF(User-Defined Table-Generating Functions) 用来解决 输入一行输出多行(On-to-many maping) 的需求。 开发步骤 •UDTF步骤: •必须继承org.apache.Hadoop.hive.ql.udf.generic.GenericUDTF •实现initialize, process, close三个方法 •UDTF首先会 •调用initialize方法,此方法返回UDTF的返回行的信息(返回个数,类型) 初始化完成后,会调用process方法,对传入的参数进行处理,可以通过forword()方法把结果返回 •最后close()方法调用,对需要清理的方法进行清理 使用方法 •UDTF有两种使用方法,一种直接放到select后面,一种和lateral view一起使用 •直接select中使用:select explode_map(properties) as (col1,col2) from src; •不可以添加其他字段使用:select a, explode_map(properties) as (col1,col2) from src •不可以嵌套调用:select explode_map(explode_map(properties)) from src •不可以和group by/cluster by/distribute by/sort by一起使用:select explode_map(properties) as (col1,col2) from src group by col1, col2 •和lateral view一起使用:select src.id, mytable.col1, mytable.col2 from src lateral view explode_map(properties) mytable as col1, col2; 此方法更为方便日常使用。执行过程相当于单独执行了两次抽取,然后union到一个表里。 lateral view • Lateral View语法 •lateralView: LATERAL VIEW udtf(expression) tableAlias AS columnAlias (',' columnAlias)* fromClause: FROM baseTable (lateralView)* •Lateral View用于UDTF(user-defined table generating functions)中将行转成列,例如explode(). •目前Lateral View不支持有上而下的优化。如果使用Where子句,查询可能将不被编译。解决方法见: 此时,在查询之前执行set hive.optimize.ppd=false; • 例子 •pageAds。它有两个列 string pageid Array<int> adid_list " front_page" [1, 2, 3] "contact_page " [ 3, 4, 5] •SELECT pageid, adid FROM pageAds LATERAL VIEW explode(adid_list) adTable AS adid; •将输出如下结果 string pageid int adid "front_page" 1 ……. “contact_page" 3 代码示例 public class MyUDTF extends GenericUDTF{ public StructObjectInspector initialize(ObjectInspector[] args) {} public void process(Object[] args) throws HiveException { } } 实现:切分 ” key:value;key:value;” 这种字符串, 返回结果为 key, value 两个字段
相关文章推荐
- c#中string.trimstart() 和string.trimend() 的用法
- java正则表达式验证邮箱、手机号码
- Java几种常见的编码格式
- 第一次接触python
- 如何运行Python程序
- java乱码问题
- asp.net返回值当文件下载问题
- 各种传递参数和返回(ajax等)
- 『C/C++』整型和字符串相互转换
- C++中vector的详细说明
- 圆形图片代码分享
- 史上最全的java随机数生成算法(转)
- SpringMVC配置文件全解
- C#一行一行读取DataSet 数据
- 用java读、写ini文件
- 【python】字符串编码问题
- 为什么Eclipse打不开
- Java SE 6 新特性系列
- Java Collections Framework之Arrays(method:sort(),binarySearch(),copyOf())部分源码分析(基于JDK1.6)
- QTP添加新的action中之对象库的关联